岭回归的均方差最小调整因子与LS估计均方差最小压缩估计

本文通过对岭估计的分析，确定了岭回归的均方差最小调整因子。在此基础上，又给出了最小二乘估计对应的均方差最小常量压缩估计。表达式具有较强的实用可操作性。     

线性回归模型的一个新的随机约束岭估计

研究带随机先验信息的线性回归模型，提出一种新的随机约束岭估计，得到新的估计在均方误差矩阵意义下优于混合估计、普通岭估计、随机混合估计（Yalian,2008）和另一随机混合估计（富月，2003）的充要条件。理论结果与数值实验都表明：新的估计在均方误差矩阵意义下的性能是优良的。     

岭型主成分估计在降维估计类中的最优性

研究岭型主成分估计在岭型降维估计类中的性质 ,在不同的条件下 ,证明了岭型主成分估计有某些最优性质     

有“洞”区域中波动方程均匀化过程的误差估计

在对区域作适当的假设下,导出了有“洞”区域中Poisson方程均匀化过程的误差估计;然后利用Gronwall不等式得到了波动方程均匀化的误差估计。     

中证100股票指数回归模型的实证分析

建立中证100股票指数与其成分股的线性回归模型,运用岭估计和弹性约束估计探讨模型中严重存在的多重共线性。结合弹性约束估计系数估计结果,通过限定最低门限修正模型以及去除系数估计值为最低门限值的回归变量,规避了回归系数估计为负值和不显著的问题。实证分析表明所建股票指数模型可行有效,股指追踪效果较好。     

多元广义压缩最小二乘估计

引进了多元线性模型中回归系数β＝Ｖｅｃ（Ｂ）的广义压缩最小二乘估计β（Ａ），讨论了它的约方误差与均方残差的性质，指出了根据均方误差准则选取Ａ值的主要缺陷，采用了一种选取Ａ值的新准则Ｑ（ｃ），它包含均方误差准则和最小二乘准则作为特例，并从理论上证明了Ｑ（ｃ）准则的优良性．     

Lipschitz φ-半压缩映象不动点的迭代逼近

使用分析的技巧,在实Banach空间中研究φ-半压缩映象具有Lipschitz不动点的Ishikawa和Mann迭代的逼近问题,将Lipschitz强伪压缩映象不动点Mann迭代和Ishikawa迭代的相关结果,扩展到了φ-半压缩映象类,并提供了更为一般的收敛率的估计.     

有调整因子的回归弱相关估计

针对回归分析中自变量数据间的共线性问题，本文基于降低解释变量间相关程度的弱相关思想，构造出一个新的回归估计式。并证明了估计式与最小二乘相比，具有均方差意义下 的优良性。还证明了相对于最小二乘估计，新估计式是一种模压缩。该估计式具有意义直观明了，便于分析，应用的特性。     

广义压缩最小二乘估计的优良性

本文讨论了广义压缩最小二乘估计均方误差、均方残差的一些性质,另外还分别在 Q(c)准则及 Pitman 准则下讨论了广义压缩最小二乘估计的优良性。     

φ-半压缩映象带误差的迭代逼近

在实Banach空间中研究了φ-半压缩映象带误差的Ishikawa和Mann迭代逼近问题,并且提供了更为一般的收敛率的估计.     

基于E-PASTd的盲扩频码序列估计算法

针对直接序列扩频信号的扩频码盲估计问题,改进了特征分解的方法,提出了一种基于压缩投影近似子空间跟踪的PN码恢复算法。该算法由两个主特征向量估计非同步延迟值,结合利用压缩投影近似子空间跟踪技术的快速收敛特性提取主分量,避免了对自相关矩阵的直接特征分解运算。计算机仿真表明该算法降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能优于已有的梯度算法和神经网络算法。     

应用稳健回归模型对房地产指数的跟踪及预测

为更好地研究房地产指数和房地产成分股的关系,建立了房地产指数与其成分股的稳健回归方程,对其残差进行分析并做回归诊断。利用岭回归、LASSO回归以及弹性约束估计等稳健方法解决变量之间的多重共线性问题。同时在岭估计中,提出一种新的基于最小外预测残差选择岭参数的选择标准,通过牺牲一部分无偏性,得到外预测残差更小的岭参数的模型,从而在外预测中具有更好的预测表现。     

强β型螺形函数子族的系数估计

主要研究复平面C中单位圆盘U上的强的α次β型螺形函数和强α次星形函数的系数估计,所得结果推广了已有的一些结论.     

强螺形函数子族的第三项和第四项系数估计

主要研究复平面C中单位圆盘U上的强螺形函数子族的第三项和第四项系数估计问题,即主要研究强α次的殆β型螺形函数和强α次殆星形函数的第三项和第四项系数估计问题.所得结果推广了已有的一些结论.     

正态回归模型中未知参数几种估计的比较分析

给出了正态回归模型中未知参数的无偏估计,最小二乘估计与极大似然估计及其求解过程,并通过数值模拟说明了异同点,验证了相应的结论。     

基于压缩感知的MIMO-OFDM系统稀疏信道估计方法

在多输入多输出正交频分复用(MIMO-OFDM)系统中,信号经过频率选择性衰落的信道后,在接收端需要进行均衡和相干信号的检测,故准确的信道估计量必不可少。传统的信道估计方法均基于信道抽头是密集型的假设,利用线性重构算法,如最小二乘(LS)或最小均方误差(MMSE)等,可以达到Cramer-Rao下界(CRLB)。然而,通过物理信道测量发现,在实际通信系统中,宽带信道抽头分布通常表现出稀疏特性。通过充分利用信道的稀疏特性,该文将压缩感知中的CoSaMP重构算法应用于MIMO-OFDM系统的稀疏多径信道估计。在达到与传统的信道估计方法相同性能的前提下,基于CoSaMP的信道估计方法以非常小的计算复杂度为代价,大大减少了导频信号开销,从而提高了频谱资源利用率。     

麦克风阵列二维方向估计聚焦算法研究

聚焦算法是解决宽带信号方向(DOA)估计问题的重要算法。常规的宽带聚焦算法需要进行预估计和多次迭代,算法的计算复杂度较高。该文根据宽带聚焦算法的思想,结合语音信号的特点,以各频率点的频域相关矩阵和聚焦点的相关矩阵的均方误差最小为最优化准则,提出了一种不需要预估计和迭代的二维宽带聚焦算法。该算法实时性好、计算复杂度低。采用八元均匀圆环麦克风阵列,仿真验证了该算法的良好二维DOA估计性能。     

会计估计审计之探讨

本文着重探讨了审计工作过程中遇到的越来越多的会计估计审计问题,重点阐述了会计估计事项真实性、金额的准确性和变更合理性的审计难度,并提出了针对上述问题的工作方法。     

OFDM系统中新的同步与信道联合估计算法

提出了一种新的基于判决反馈的OFDM同步与信道联合跟踪算法。该算法提取出信道估计结果中包含的同步信息用于实现同步估计,并利用同步估计结果对信道估计结果进行修正,使其尽量逼近真实信道。仿真结果表明该算法在信噪比较大时可以获得较高的估计性能,具有计算量小和实现简单的优点。适当增加块长具有更强的抑制噪声的能力,但却减弱了信道的时变跟踪能力,因此块长的选择必须权衡考虑。     

一类相依回归系统的一类协方差改进估计

对于一类相依线性回归系统,王松桂提出了一种附加信息逐次迭加的估计——协方差改进估计。本文提出了一类新的协方差改进估计,并研究了这一类协方差改进估计的优良性质及其相应的两步估计的优良性质。